一种输送非恒定内流的海底倾斜管道涡激振动模型的构建方法

    公开(公告)号:CN117454799A

    公开(公告)日:2024-01-26

    申请号:CN202311502418.8

    申请日:2023-11-13

    Applicant: 福州大学

    Abstract: 本发明提供一种输送非恒定内流的海底倾斜管道涡激振动模型的构建方法,综合考虑管壁与管内流体之间的摩擦耦合、管体轴向与横向振动的耦合、内流压力的影响。基于Timoshenko梁理论,在考虑管壁与内流的摩擦耦合、管体轴向与横向的振动耦合、内流压力对管道的振动响应下,推导出内外流激励下海底管道振动非线性偏微分方程组,以呈现轴向和横向振动位移、内流压力的响应结果,解决输送非恒定内流的倾斜管道涡激振动模型的构建和数学推导问题。

    多源信息融合的小流域降水估计方法、设备及存储设备

    公开(公告)号:CN116338821A

    公开(公告)日:2023-06-27

    申请号:CN202310129944.8

    申请日:2023-02-17

    Applicant: 福州大学

    Abstract: 本发明公开了一种多源信息融合的小流域降水估计方法、设备及存储设备,方法包括以下步骤:获取卫星遥感降水数据;对降水数据进行降尺度处理,得到降水序列;获取多源信息,多源信息包括:气温序列和雨量站点历史降水序列;将多源信息与降水序列进行拼接,得到样本集;将样本集划分为训练集与测试集;构建LSTM神经网络模型;利用训练集训练所述LSTM神经网络模型,并利用测试集进行测试,得到训练好的模型;将待预测的输入数据输入至训练好的模型,得到最终降水估计值。本发明有益效果是:能提高对降水以及非降水区域的监测能力并有效解决了雨量站由于设备故障所引起的降雨序列缺失的问题,同时能够有效捕捉中高海拔山区小流域的局部暴雨。

    基于GRU-Seq2Seq的多步长洪水预报方法及装置

    公开(公告)号:CN115330036A

    公开(公告)日:2022-11-11

    申请号:CN202210911929.4

    申请日:2022-07-29

    Applicant: 福州大学

    Abstract: 本发明提供了一种基于GRU‑Seq2Seq的多步长洪水预报方法及装置。在GRU模型的基础之上,对GRU算法进行改进,引入Seq2Seq模型,将实测降雨数据与模拟径流数据一起输入GRU编码器中,获得编码向量,再把编码向量输入GRU解码器,获得预测流量。GRU‑Seq2Seq洪水预报模型能够充分挖掘台风影响下的降雨径流信息,建立准确的多步提前洪水预报模型,解决了多步提前预测中的时滞问题,有效提高洪水预报模型的效果。

    基于多重傅里叶特征化PINN的海底管道涡激振动分析方法

    公开(公告)号:CN119415868A

    公开(公告)日:2025-02-11

    申请号:CN202411446597.2

    申请日:2024-10-16

    Applicant: 福州大学

    Abstract: 本发明公开了基于多重傅里叶特征化PINN的海底管道涡激振动分析方法,包括:构建物理信息神经网络,根据海底管道涡激振动模型确定初始条件、边界条件、偏微分方程(PDEs)三者的损失函数,并加入锚点对网络进行修正,以提升其拟合能力;采用傅里叶变换技术,精确识别振动的关键频率及其频率取值,引入傅里叶映射#imgabs0#函数,构建多重傅里叶映射网络对振动信号进行精细化的映射分解与特征提取;根据关键振动频率的数量及其取值,动态调整映射次数与超参数,以克服PINN在处理复杂振动信号时的局限;通过逐点乘法将时空特征整合,输出振动学习结果;本发明提升解析精度,增强处理多种高低频叠加振动的能力,有效解决高频信息学习时的频谱偏差问题。

    基于GNSS与测量机器人融合的水闸实时监测预警方法

    公开(公告)号:CN115451803B

    公开(公告)日:2024-08-02

    申请号:CN202211139747.6

    申请日:2022-09-19

    Applicant: 福州大学

    Abstract: 本发明提出基于GNSS与测量机器人融合的水闸实时监测预警方法,所述方法先将全球导航卫星系统GNSS对水闸的原始监测数据进行去噪处理,再用去噪后的数据训练BPNN神经网络模型,使神经网络模型能将GNSS监测数据与测量机器人对水闸的监测数据进行融合,当测量机器人无法工作时,神经网络模型基于GNSS对水闸测量的实时低精度数据,模拟得出使用测量机器人对水闸测量的实时高精度数据;本发明能通过GNSS测量的实时低精度数据模拟获得测量机器人的实时高精度数据,即使在台风、暴雨等测量机器人难以准确测量的极端气候,也能实现全天候、高频率的高精度测量。

    基于GNSS与测量机器人融合的水闸实时监测预警方法

    公开(公告)号:CN115451803A

    公开(公告)日:2022-12-09

    申请号:CN202211139747.6

    申请日:2022-09-19

    Applicant: 福州大学

    Abstract: 本发明提出基于GNSS与测量机器人融合的水闸实时监测预警方法,所述方法先将全球导航卫星系统GNSS对水闸的原始监测数据进行去噪处理,再用去噪后的数据训练BPNN神经网络模型,使神经网络模型能将GNSS监测数据与测量机器人对水闸的监测数据进行融合,当测量机器人无法工作时,神经网络模型基于GNSS对水闸测量的实时低精度数据,模拟得出使用测量机器人对水闸测量的实时高精度数据;本发明能通过GNSS测量的实时低精度数据模拟获得测量机器人的实时高精度数据,即使在台风、暴雨等测量机器人难以准确测量的极端气候,也能实现全天候、高频率的高精度测量。

    一种城市雨水井多点位水深快速预报的方法

    公开(公告)号:CN114936505A

    公开(公告)日:2022-08-23

    申请号:CN202210270196.0

    申请日:2022-03-18

    Applicant: 福州大学

    Abstract: 本发明公开一种城市雨水井多点位水深快速预报的方法,包括以下步骤:构建街道‑雨水下水道双排水系统耦合模型,利用耦合模型得到水深数据集;对水深数据集采用基于互相关分析的皮尔逊相关系数法,得到时间相关性分析结果;采用Min‑Max法对水深数据集进行归一化;采用软注意最大权值法对水深数据集中空间相关性进行分析,得到空间相关性分析结果;根据时、空间相关性分析结果构建城市雨水井多点位水深快速预报模型;使用均方误差作为损失函数,训练水深快速预报模型并优化,得到优化后的模型;对优化后的模型进行评价;将评价通过的模型应用于实际水深预报,得到预报结果。本发明有益效果是:提高了雨水井多点位水深预报的速度和精度。

    一种城市雨水井多点位水深快速预报的方法

    公开(公告)号:CN114936505B

    公开(公告)日:2024-06-04

    申请号:CN202210270196.0

    申请日:2022-03-18

    Applicant: 福州大学

    Abstract: 本发明公开一种城市雨水井多点位水深快速预报的方法,包括以下步骤:构建街道‑雨水下水道双排水系统耦合模型,利用耦合模型得到水深数据集;对水深数据集采用基于互相关分析的皮尔逊相关系数法,得到时间相关性分析结果;采用Min‑Max法对水深数据集进行归一化;采用软注意最大权值法对水深数据集中空间相关性进行分析,得到空间相关性分析结果;根据时、空间相关性分析结果构建城市雨水井多点位水深快速预报模型;使用均方误差作为损失函数,训练水深快速预报模型并优化,得到优化后的模型;对优化后的模型进行评价;将评价通过的模型应用于实际水深预报,得到预报结果。本发明有益效果是:提高了雨水井多点位水深预报的速度和精度。

Patent Agency Ranking